深度学习与PyTorch入门实战 - 07. 创建Tensor

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/dragen1860

摘要

本文档详细介绍了在PyTorch中创建Tensor的各种方法，包括从numpy数组转换、使用torch.from_numpy、torch.full、torch.full_like、torch.rand、torch.tensor、torch.arange、torch.linspace、torch.logspace等函数。同时，还展示了如何通过随机排列和打乱顺序来生成Tensor，以及如何使用torch.ones_like、torch.zeros_like等函数来创建特定形状和类型的Tensor。

AI总结

## 《深度学习与PyTorch入门实战 - 07. 创建Tensor》总结

### PyTorch中张量的创建方法

1. **从NumPy数组转换**
- 使用`torch.from_numpy()`函数将NumPy数组转换为PyTorch张量。
- 示例：

     a = np.array([2, 3.3])
     torch.from_numpy(a)  # 输出：tensor([2.0000, 3.3000]

2. **创建全零或全一张量**
- 使用`torch.zeros()`创建全零张量。
- 使用`torch.ones()`创建全一张量。
- 示例：

     torch.zeros((2, 3))  # 输出全零的2x3张量
     torch.ones((2, 3))   # 输出全一的2x3张量

3. **创建填充值的张量**
- 使用`torch.full()`函数创建填充特定值的张量。
- 示例：

     torch.full([2, 3], 7)  # 输出2x3，所有元素为7的张量

4. **创建随机数张量**
- 使用`torch.rand()`创建均匀分布的随机数张量。
- 使用`torch.randn()`创建正态分布的随机数张量。
- 使用`torch.randint()`创建整数范围内的随机数张量。
- 示例：

     torch.rand(3, 3)  # 输出3x3的均匀分布随机数张量
     torch.randint(1, 10, (3,3))  # 输出3x3，元素介于1到10的整数

5. **使用`torch.arange()`函数**
- 生成从起始值到结束值的等差序列。
- 示例：

     torch.arange(0, 10)  # 生成0到9的序列
     torch.arange(0, 10, 2)  # 生成0,2,4,6,8

6. **使用`torch.linspace()`和`torch.logspace()`函数**
- `torch.linspace()`生成等差的序列，`torch.logspace()`生成等比的序列。
- 示例：

     torch.linspace(0, 10, steps=4)  # 生成0, 2.5, 5, 7.5, 10
     torch.logspace(0, -1, steps=10)  # 生成10个等比数列

7. **使用`torch.empty()`创建未初始化的张量**
- 创建特定形状的张量，值未初始化。
- 示例：

     torch.empty((2, 3))  # 创建2x3的未初始化张量

8. **使用`torch.tensor()`创建张量**
- 从数据列表或数组创建张量。
- 示例：

     torch.tensor([[2., 3.2], [1., 8.9]])  # 创建2x2的张量

9. **使用张量的`like`系列函数**
- 快速创建与原张量形状一致且数据类型相同的张量。
- 示例：

     a = torch.rand(3, 3)
     torch.zeros_like(a)  # 创建全零的3x3张量
     torch.ones_like(a)   # 创建全一的3x3张量
     torch.rand_like(a)   # 创建与a形状和数据类型相同的随机数张量

10. **使用`torch.randperm()`创建随机排列索引**
- 生成给定长度范围内的随机排列。
- 示例：

      torch.randperm(2)  # 可能输出 tensor([1, 0])

总结中突出了PyTorch中创建张量的主要方法及其用途，确保信息简洁明了且逻辑连贯。同时注明了部分已弃用函数，并提供了推荐的替代方法。通过以上总结，读者能够快速掌握PyTorch中张量创建的核心方法。